基于AI机器学习技术，赋能现场OT工程师提供数据处理、分析建模、实时预测、报告共享等功能，实现端到端一站式建模服务，工信部2020“工业互联网优秀APP解决方案”。
1、工业大数据分析方法多且复杂，运用困难
难点是数据复杂性，分析方法多，导致用户望而却步；
2、数据展示效率低，分析报告费时费力
自动生成分析结果，报告解释性及可读性强；
3、数据量大且异常
用户进行数据格式及异常处理耗时，需将数据处理过程流程化、功能化；
4、无法完成模型快速部署
加速模型部署落地，可以节约项目开发成本
数据可视化探索，降维去噪，实现高效数据挖掘和根因分析。
沉淀工程师分析思路，归纳总结良率分析方法，形成自动化良率分析功能。
将行业Know how数量化，模型化，通过AI模型实时监控产品品质，实现精益化生产。
快速定位异常样本生产路径，回追异常设备及异常参数。
快速部署工业分析镜像，实现应用快速落地及特殊分析场景。
客户：半导体面板厂
效果： 因为面板制造流程站点繁多，工序复杂。如何快速定位异常工段是工程师在分析良率问题时首先需要解决的问题。通过导入MFA的搬运路径分析应用，工程师可以快速的查看NG产品的流通路径，通过颜色深浅识别异常集中的搬送路径，通过定位算法快速识别出现问题的设备和机台。 项目效益： 异常排查时间缩短70%。
客户：半导体显示企业
效果： 某半导体企业存在各业务环节都在产生数据，但难以实现数据的共享，数据的可复用性和可利用性也不高；业务数据积累在规范性、及时性、完整性方面与实际业务之间存在着较大差距，基于质量不高的业务数据生成的管理分析报表可用性也比较差等问题 吕氏贵宾会提供的数据中台解决方案，实现数据资产化，方便业务快速查看，方便企业感知数据价值，实现数据资产价值评估，从而为转型和增值发展提供全面的支持；通过数据质量从事前、事中、事后多方着手监督和发现，督促数据owner提高数据质量，提高数据可用性；数据资产共享，便于监控数据消费情况，有效提高数据资产复用率；从数据的产生、使用、销毁全流程的监控数据质量、规范数据标准、管理数据消费
